阴道微生物群分子分析和人工智能辅助多重PCR测试的诊断性能在女性细菌性阴道炎:一个单一中心的经验

科学领域:

• 微生物学 微生物学
• 分子诊断学 分子诊断
• 医疗保健中的机器学习

背景情况:

• 细菌性阴道炎 (BV) 是一种普遍存在的微生物疾病.
• 像多重实时PCR (mPCR) 这样的分子方法已经推进了微生物社区分析.
• 了解BV的微生物转移对于有效的诊断和管理至关重要.

研究的目的:

• 评估一种新的多重PCR测试,用于评估BV妇女的阴道微生物组成.
• 分析与BV状态相关的主导乳酸菌的丰度.
• 确定将mPCR与机器学习算法结合用于BV检测的诊断意义.

主要方法:

• 从288名女性收集阴道分泌物样本进行mPCR测试.
• 使用决策树,随机森林和支持矢量机算法开发和验证混合诊断模型.
• 在两个独立的队列中验证模型,包括健康妇女,BV患者和具有中间性阴道微生物群的妇女.

主要成果:

• 在BV患者中, *Lactobacillus crispatus* 和 *Lactobacillus jensenii* 的水平降低, *Lactobacillus iners* , *Gardnerella vaginalis* , *Atopobium vaginae* , BVAB2 , *Megasphaera type* 2 , *Prevotella bivia* 和 *Mycoplasma hominis* 的水平增加.
• 支持矢量机 (SVM) 模型实现了高预测性能 (AUC: 0.969,灵敏度: 90.4%,特异性: 96.1%).
• SVM-BV模型在诊断BV时表现出对Nugent评分方法的潜在优势,特别是在中等分数的情况下.

结论:

• mPCR测试有效评估BV妇女的关键阴道微生物群,中间微生物群和健康对照群.
• 这种分子方法可以作为临床检查和Nugent评分用于BV诊断的有价值的替代方案.
• 机器学习的整合提高了基于mPCR的BV检测的诊断准确性和稳定性.